Terminografija ir tekstynas

ТЕРМІНОЛОГІЯ І СЬОГОДЕННЯ Rūta MARCINKEVIČIENĖ Університет Вітовта Великого ТЕРМІНОГРАФІЯ І КОРПУС Корпусна лінгвістика, що виникла разом із першим корпусом понад тридцять років тому, здійснила революцію в загальній лексикографії. Сьогодні тлумачні словники укладають, більшою чи меншою мірою спираючись на корпуси. Термінографія в цьому сенсі досі залишається забутою навіть у країнах, які значно просунулися в корпусній лінгвістиці, а про таких новачків, як ми, годі й казати. Тут і буде зроблено спробу показати, наскільки важливим, просто незамінним є корпус для укладання словників термінів. Епоха комп’ютерних технологій, а разом із нею і комп’ютерних корпусів, чітко розмежувала традиційну термінологію й термінографію та нову. Погляди термінологів на кілька питань почали суттєво різнитися: на саме поняття терміна, джерела термінів, критерії відмежування терміна від нетерміна, кваліфікацію термінолога, унормування термінів та деякі інші питання. Через значне розширення й переплетення галузей спеціальних наук роботи в термінологів стало набагато більше, адже традиційними методами важко встигати за поступом науки й технологій. Саме тому на терміни почали дивитися інакше: наголос робиться не на нормі, а на вживанні. Традиційну термінологію, що виникла на початку цього століття внаслідок бурхливого технологічного прориву, найбільше цікавило позначення понять, упорядкування великого розмаїття термінів, що з’явилися за короткий час, систематизація й унормування термінології окремих галузей і сфер науки. Від самого початку виникнення термінології як самостійної науки до термінів ставилися інакше, ніж до інших слів. Засновник термінології Wüster (цит. за Pearson 1998: 10) стверджував, що з термінами слід поводитися інакше, ніж зі словами загальновживаної мови, адже термінологія починається з аналізу понять. А поняття, як відомо, існують- 5 незалежно не лише від термінів, що їх позначають, а й від різних мов. Терміни — це не що інше, як назви понять, які в ідеалі співвідносяться із самими поняттями так: одне поняття — один термін. Терміни визначали переважно з огляду на місце позначених ними понять у ієрархічній системі понять і зв’язки з іншими поняттями. Основу термінології становили терміни, створені фахівцями відповідної галузі та/або унормовані й затверджені, які мали чітко визначене, закріплене, а отже й захищене значення. Тому зовсім не дивно, що традиційних термінологів, які дотримувалися прескриптивних настанов (пор. Wüster, для якого Sein-Norm була значно важливішою за Ist-Norm), зовсім не цікавив реальний стан мови окремих галузей науки та автентичне вживання термінів. Рухаючись від поняття до терміна й таким чином формуючи термінологію кожної окремої галузі за ономасіологічним принципом, тогочасні термінологи не мали й не могли мати проблеми ідентифікації терміна — лише його створення. До того ж у той час окремі галузі науки були ще досить автономними. Термінологи також спеціалізувалися на певних галузях і знали термінологію порівняно ізольованих сфер. Із появою спільних питань термінами починають цікавитися їхні представники; крім того, до термінології приходять нові люди, не обов’язково фахівці конкретної наукової галузі та/або мовознавці, тобто програмісти, розробники баз даних термінології та електронних словників тощо. Оскільки реальне вживання мови й кількість нових термінів уже давно перевищили наявні списки затверджених термінів, термінографія швидкозмінних галузей науки, яка через традиційний картотечний метод значно відстає від життя, не дає новоприбулим змоги покладатися на раніше зареєстровані терміни. Їх починають збирати з текстів; саме текст стає відправною точкою роботи термінолога (Rogers et al. 1994: 843). Крім того, вивчають реальне вживання термінів, яке часто дуже істотно відрізняється від ідеалу, до якого прагнуть мовні нормувальники. Тут і постає питання, що вважати терміном, коли слово термінологізується, яке вживання слова слід вважати термінологічним, як відрізнити термін від нетерміна. Отже, термінологія вже не є такою чітко визначеною й ізольованою частиною лексики. Вона становить досить важко відокремлювану групу слів, у центрі якої — прототипові члени, що їх завжди сприймають як 6 Після термінів, далі йдуть ті, які лише за певних обставин, у певному контексті набувають статусу терміна. На периферії є й такі слова, які на перший погляд не схожі на терміни, однак їх слід вважати такими. Наприклад, це стосується загальновживаних слів, що трапляються в науково-популярних текстах. З цієї та інших причин термінографам дуже важливо ідентифікувати терміни, відбирати їх з автентичних текстів і описувати. Саме тому особливої ваги набувають текстові корпуси та програмне забезпечення, яке полегшує роботу з ними. Увага до реального вживання спрямовує термінологів радше до опису, ніж до нормування, а межа між прескриптивізмом і дескриптивізмом поділяє термінографію на традиційну та сучасну. Чому текстовий корпус Текстовий корпус як джерело термінів корисний термінографам з багатьох причин. Автори, які пропагують його створення та використання, називають основні з них. Мабуть, найважливіше те, що з одного й того самого корпусу одразу отримують три потрібні термінографам речі: самі терміни, їхні дефініції, тобто фахову інформацію про саме поняття, а також приклади вживання, отже, і частотність уживання, сполучуваність термінів тощо (Sager 1990, Meyer et al. 1996, Pearson 1998). Звісно, корпусом можуть користуватися й дослідники, які мають попередній список термінів. У такому разі вони отримують із корпусу фахову та мовну інформацію. Але якщо терміни добирають із корпусу, вони мають одну велику перевагу — є системними й пов’язаними між собою, адже в окремих текстах наведено набори термінів, уживаних окремими авторами, і в кожному з них терміни добре продумані та гармонійно узгоджуються один з одним. Саме з цієї причини — щоб отримані терміни відображали окремі системи — до корпусу слід включати цілі тексти, а не їхні уривки, тобто вибірки (Meyer et al. 1996: 268). Корпус цілих текстів необхідний і через фахову інформацію, яку було б утрачено, якби обмежитися частинами текстів. Сьогодні створені термінографами корпуси все ще використовують переважно для збирання інформації про терміни, відомі раніше. Перевіряють, 7 чи вживаються вони й далі, і якщо так, то як; чи не змінилися особливості їхнього вживання, а разом із ними й значення; чи не змінився обсяг понять, які вони позначають, унаслідок появи нових термінів. Однак корпус набагато потрібніший для отримання нових термінів; можливо, тому ідентифікація термінів та їх автоматичне або напівавтоматичне вилучення сьогодні є однією з найпопулярніших тем в електронній термінографії. У цьому аспекті термінограф відрізняється від лексикографа. Останній не ставить питання, що таке слово, а лише — які слова до яких словників вносити; термінограф же досить часто ставить питання: що таке термін? Нові терміни, отримані з корпусу й збережені та впорядковані у спеціальних базах даних, мають ще одну особливість — для них дуже точно вказано датовані джерела, за якими можна судити про появу, поширення та зникнення термінів. Якщо уявити кінцевий результат роботи термінографа як електронну базу даних (БД) або паперовий словник, підготовлений на її основі, то текстовий корпус буде важливим на всіх етапах підготовки цієї БД. Комп’ютери охоплюють увесь робочий цикл термінографа: від комп’ютерних текстових корпусів і спеціальних програм пошуку та ідентифікації термінів до створення термінологічних баз даних, опису термінів і його поширення в електронному вигляді або у формі традиційної книжки (Ahmad et al. 1994: 267). Робочий цикл термінографа має такий вигляд. На першому етапі з архіву електронних текстів за певними принципами укладають текстовий корпус; згодом із нього отримують терміни, переносять їх до БД і описують, тобто в окремих полях БД наводять типові приклади їх уживання, взяті з конкордансу, а також дефініції, отримані звідти ж. Далі, спираючись на мовну та фахову інформацію, отриману з корпусу, зазначають слова, пов’язані з описуваним терміном: синоніми, антоніми, гіпоніми, гіпероніми; наводять перехресні посилання на відповідні статті, належність терміна до предметної галузі та його місце в загальній системі понять. Крім того, подають граматичні й прагматичні особливості, обмеження сполучуваності або іншого вживання, інформацію про нормативність терміна і, якщо це передбачено, перекладні відповідники (детальніше про особливості термінографічного опису див. Sager 1990: 142–163). Отже, текстовий корпус незамінний від самого початку, тобто від знайомства з самою 8 галуззю науки, і до завершальної фази — готової словникової статті. Сучасні термінологи дуже скептично ставляться до комп’ютеризації вже наявних паперових словників, укладених не на основі текстових корпусів, тобто до їх перенесення в бази даних (Sager 1990: 141). Ще один мотив укладати спеціальні корпуси для термінографів полягає в тому, що для термінографії автентичні мовні приклади важливіші, ніж для лексикографії. Вони набагато важливіші за інтроспекцію, адже термінограф, на відміну від лексикографа, не є фахівцем і не створює текстів тією мовною різновидністю, яку описує. Зіткнувшись із проблемним випадком, він не може запитати: як би я вживав це слово, а лише: що це слово означає для фахівця відповідної галузі, як уживав би його науковець, технолог, експерт. Отже, через обмежену придатність мовного чуття термінографи значно більше залежать від текстового корпусу, ніж лексикографи. Усі користувачів текстових корпусів Atkins et al. поділяють на три групи: а) тих, кого цікавить мова текстів, б) тих, кого цікавить зміст текстів, і в) тих, кого цікавлять тексти як тексти, тобто їхня структура, створення тощо (цит. за Meyer et al. 1996: 269). Лексикографи належать до першої групи, а термінографи — до перших двох, оскільки для них важливі і мовні знання, і знання самого предмета. Усвідомивши важливість текстового корпусу для термінології та можливості, які він надає, необхідно визначити, яким має бути корпус термінографа. Який текстовий корпус Як зазначалося, термінографові потрібні з текстового корпусу дві однаково важливі речі: мовна та фахова інформація, тому важливо, щоб із нього можна було отримати і те, і те. З мовного погляду корпус має бути таким, щоб у ньому терміни було подано чітко, правильно і, бажано, з дефініціями. Бажано, щоб термінів було якомога більше й щоб вони були якомога різноманітнішими, а в ідеалі — усі, створені й уживані конкретною мовною спільнотою. Також важливо, щоб терміни вживалися в численних і різноманітних контекстах. З фахового погляду до корпусу слід включати такі тексти, з яких можна з’ясувати зміст понять, позначених термінами, їхні взаємозв’язки та ієрархічну залежність. Дуже важливо, щоб у цих текстах терміни були визначені. 9 З огляду на зазначені причини фахівці пропонують включати до корпусів усю шкалу можливих текстів, поданих з комунікативного та прагматичного погляду, від найпростіших до найскладніших. Pearson поділяє тексти спеціальної мови на чотири групи за ймовірністю знайти в них терміни: а) тексти, в яких адресат фахівця є рівним йому за знаннями партнером — таким самим фахівцем, тобто статті в реферованих наукових журналах, монографії; у цих текстах щільність термінів найвища; б) тексти, адресовані фахівцем спеціалістові тієї самої галузі, але нижчого, ніж він сам, рівня, наприклад, різноманітні інструкції, підручники; тут термінів дещо менше; в) науково-популярні тексти, написані для людей, не знайомих зі спеціальною галуззю. У них свідомо уникають складних чи будь-яких термінів, віддаючи перевагу поясненням, переказу іншими словами, аналогіям і порівнянням, тож автор, якщо дуже захоче, може цілком обійтися без термінів; г) тексти, що відповідають комунікації вчителя й учня: підручники, навчальні посібники. У них терміни є, але вживаються дещо інакше. Важлива ознака цих текстів — пояснені терміни (Pearson 1998: 36–40). Описати тексти термінографічного корпусу лише з комунікативно-прагматичного погляду недостатньо. Для якості корпусу та його репрезентативності не менш важливими є й інші параметри та пропорції текстів. На запитання, скільки текстів потрібно зібрати, щоб можна було покладатися на дані укладеного з них корпусу, фахівці відповідають так: «На відміну від корпусів загального призначення, тут якість набагато важливіша за кількість» (Meyer et al. 1996: 268). Зрозуміло, що спеціалізовані корпуси зазвичай менші за корпуси загального призначення. Однак, попри менший розмір, вони складаються з повних, нескорочених текстів. Крім того, вони мають охоплювати всю галузь, що репрезентується, з усіма підгалузями, визначеними заздалегідь термінографами. Часто буває складно провести чітку межу між окремими галузями науки, особливо якщо ця галузь пов’язана із загальними питаннями й укладачів корпусу спокушає заглибитися далі, тобто включити більше текстів, безперечно належних до цієї галузі й написаних фахівцями для фахівців. Тому термінологам радять звертатися до експертів у галузі, що описується, щоб ті порадили, які тексти включити, аби корпус був репрезентативним у всіх сенсах і щоб разом із невключеними текстами не було пропущено 10 системно важливі поняття та терміни, що їх позначають, а найголовніше — щоб не домінували пріоритети одного укладача (Ahmad 1993: 60). Для термінографічного корпусу зовсім не підходить принцип, який лексикографи іноді застосовують до корпусів загального призначення: «Що маю, те й додаю». З огляду на типологію корпусів і найважливіші з погляду безперервності типи корпусів — фіксований, безперервний і моніторний — пропонується укладати термінографічний корпус як збірку текстів другого, а ще краще — останнього типу. Тоді корпус постійно поповнюватиметься новими текстами, а старі або залишатимуться (у разі безперервного корпусу), або переноситимуться до архіву, якщо йдеться про моніторний корпус. Безперервний корпус постійно збільшувався б, і заздалегідь визначені принципи його структури не обов’язково зберігалися б, оскільки зміни у видавничих тенденціях могли б схилити добір текстів у той чи інший бік. Пропорції моніторного корпусу залишалися б незмінними, а нові тексти займали б лише стільки місця, скільки від самого початку було відведено текстам відповідного типу. У будь-якому разі корпус необхідно постійно оновлювати, адже терміни старіють набагато швидше, ніж слова повсякденної мови. Розглянувши загальні питання щодо розміру й типу корпусу, а також меж його фахової тематики та ухваливши відповідні рішення, далі потрібно визначити, які саме тексти включити до корпусу, щоб він був репрезентативним і збалансованим. У кожному конкретному випадку слід зважати на жанр тексту, час його написання, автора та мовний статус, прагнучи якомога більшого розмаїття. Адже саме жанрова різноманітність і широкий спектр текстів — від серйозних до популярних — дають змогу відібрати як наукові, формальні терміни, серед яких багато авторських неологізмів, так і популярні терміни, значно поширеніші й усталені в розмовній мові. Оцінюючи вік текстів, перевагу віддають новішим, однак цінними, особливо з фахового погляду, можуть виявитися й давніше написані тексти. Авторство також має бути дуже різноманітним, щоб не переважали особливості стилю одного чи іншого автора, надмірно представленого в корпусі. Хоча стилістичне розмаїття наукових текстів і не дуже велике, якщо порівняти, наприклад, із художньою літературою, авторський почерк важливий не лише з погляду вживання мовних одиниць, а й з погляду їхнього добору. Тому не дивно, що різні науковці, особливо якщо вони належать до різних наукових шкіл, уживають ки- 11 такі терміни. Для стандартизації та унормування термінів, так само як і для пошуку неологізмів, надзвичайно важливе якомога більше розмаїття термінів у корпусі. Останній, але не менш важливий за інші чинник — мовний статус текстів. Перевагу надають оригінальним, а не перекладним текстам, написаним авторами-носіями мови, а також рецензованим і відредагованим. Засоби аналізу корпусу для термінографів Протягом останнього десятиліття було створено різноманітне програмне забезпечення, що полегшує лексикографам пошук слів та інший аналіз корпусу. Хоча робота лексикографів і термінографів загалом відрізняється, вони користуються майже однаковими програмними можливостями, а саме: а) списками частотності слів; б) конкордансами, тобто всіма випадками вживання досліджуваного слова в контексті певного розміру, зазвичай в одному рядку; і в) статистикою сполучуваності (Meyer et al. 1996: 274). Ці засоби допомагають досліджувати корпус з мовного погляду. Поряд із мовними програмними засобами, які використовуються спільно з лексикографами, поступово з’являються й спеціальні програми, придатні лише для термінографів. Від загальних програм вони відрізняються вже не мовним, а предметним характером, оскільки призначені для аналізу інформації, що міститься в корпусі. У цьому разі корпус розглядається вже не як сукупність контекстів уживання термінів, а як джерело спеціальних знань з окремої галузі чи наукової дисципліни. Тут можна назвати кілька груп таких програм: а) програми для аналізу тексту з погляду поданої в ньому інформації — пошуку змістових слів, інформаційно насичених фрагментів тексту, у яких указано взаємозв’язки та залежності між поняттями тощо; б) програми, що відбирають потрібні термінографові фрагменти корпусу, наприклад дефініції термінів; в) програми, що допомагають аналізувати поняття, позначені термінами, і полегшують упорядкування знань, отриманих із корпусу (системи набуття знань). Останній напрям, хоч і цілком новий та дуже перспективний, у спеціальній літературі досі висвітлено недостатньо. Значно більше написано про можливість напівавтоматичного збирання дефініцій термінів, що містяться в корпусі (Pearson 1998: 121–204). 12 Для збирання як дефініцій, так і складених термінів потрібен морфологічно анотований корпус, тобто такий, у якому всі слова позначено відповідно до їхніх частин мови. Початковий етап роботи має виконати сам лексикограф: він читає тексти й збирає визначені терміни. Спираючись на цю інформацію, згодом він укладає морфологічні моделі дефініцій — усі комбінації послідовностей частин мови, що трапляються у визначеннях. Після цього комп’ютер шукає такі сполучення слів у всьому корпусі. У результаті отримують не перелік термінів та їхніх дефініцій, а список кандидатів на визначені терміни. Його передають фахівцеві відповідної галузі для перегляду й вилучення непотрібних речень. Щоб зменшити кількість зайвих морфологічних сполучень, які випадково збігаються, комп’ютерові задають лексичні одиниці, що найчастіше трапляються в дефініціях, — частотні слова дефініцій. Подібним чином із корпусу можна отримувати й складені терміни; саме на цьому ґрунтуються програми першого покоління для автоматичної ідентифікації термінів LEXTER (Bourigault 1995) і TERMINO (Lauriston 1994). Безперечно, таке опрацювання корпусу породжує певні проблеми. Насамперед далеко не всі відібрані словосполучення є термінами. Цю проблему розв’язують, створюючи та вводячи до комп’ютера список непотрібних слів (stop-list), які не включаються до списків кандидатів у терміни. Крім того, часто залишається незрозумілим, які слова належать до самого складеного терміна, а які — лише до його оточення. Однак ці питання не завжди є очевидними й під час ручного збирання термінів. Напівавтоматичний спосіб добору термінів Щоб проілюструвати можливості, які найпростіші програмні засоби надають термінографові, для аналізу ми обрали електронну версію праці В. Лабутіса «Синтаксис» (T.I, V., 1994) і досліджували текст за допомогою пакета лінгвістичних інструментів Майка Скотта WordSmith Tools, version 2.0 (Oxford, 1997). Метою статистичного аналізу було отримати кілька списків слів або їхніх сполучень, з яких згодом можна було б відібрати кандидатів у терміни та власне терміни. Статистичні показники аналізованого тексту такі: весь текст містить 37 319 слів і словоформ; після вилучення повторів залишається 13 9 249 слів і їхніх форм. Коефіцієнт словникової різноманітності (type/token ratio) становить 24,78. У всьому тексті є 2 364 речення, середня довжина речення — 15,78 слова. Насамперед було виконано найпростіший крок — складено частотний список усіх слів тексту, що дає змогу сподіватися побачити серед найуживаніших слів терміни. Як видно з поданого фрагмента списку, текст складається зі слів і словоформ, упорядкованих за частотою. Оскільки текст не має граматичних позначок, які вказували б на належність кожної словоформи до окремих частин мови, список не лематизований, отже, окремо наведено різні граматичні форми того самого слова. Для стислості далі в тексті як незмінювані слова, так і різні відмінювані форми слів називатимуться просто словами. Таблиця 1. 20 найчастотніших слів і словоформ тексту № Слово і словоформа Частота в досліджуваному тексті Частка тексту (%) 1. IR 1,319 3.53 2. SU 479 1.28 3. AR 390 1.05 4. РЕЧЕННЯ 288 0.77 5. ЦЕ 284 0.76 6. СЛІВ 258 0.69 7. МОЖЕ 243 0.65 8. O 229 0.61 9. IŠ 206 0.55 10. РЕЧЕННЯ 196 0.53 11. Į 194 0.52 12. Є 194 0.52 13. ЯК 187 0.50 14. NE 182 0.49 15. ЛИШЕ 171 0.46 16. ЗА 170 0.46 17. БУТИ 155 0.42 18. JŲ 143 0.38 19. РЕЧЕНЬ 143 0.38 20. СПОЛУЧЕННЯ 141 0.38 14 Як зазвичай, текст складається з порівняно невеликої кількості слів, які вживаються багато разів, і багатьох слів, уживаних рідко. Слова, вжиті один раз, становлять 62% усіх випадків уживання слів. Зазвичай їх буває половина тексту; якщо лематизувати список, мабуть, їх стільки й залишилося б, адже похідні форми слів було б об’єднано в основні. Одноразово вжиті та рідкісні, тобто від 2 до 10 випадків уживання, слова не становлять інтересу для термінографа, адже ймовірність знайти тут терміни невелика. Залишається порівняно невелика частина списку — лише 6% часто вживаних слів тексту, з яких уже варто добирати однослівні терміни. Діаграма Розподіл слів тексту та словоформ за частотністю вживання (кількістю випадків уживання) Слова та їхні форми, вжиті понад 10 разів — 6% Слова та їхні форми, вжиті від 2 до 10 разів — 32% Слова та їхні форми, вжиті 1 раз — 62% Якби ці дані про вживання було подано у вигляді кривої, а не діаграми, стало б видно, що 10 випадків уживання — це дуже чітка межа, поріг, за яким слова вживаються значно частіше, ніж до нього. Ґрунтовніший аналіз показав, що з 599 слів, ужитих 10 і більше разів, аж 239 є однослівними термінами або частинами складених термінів, інакше кажучи, словами, важливими для термінографа. До них належать назви частин мови, відмінків, мовних явищ, одиниць і галузей мовознавства. Перевагою загального частотного списку слів є вже згадана дуже чітка межа частотності вживання, а недоліків є кілька. Один із них: список складається з окремих слів, а однослівних термінів, як відомо, не так багато. З іншого боку, більшість нових термінів, не внесених до словників і тому особливо цікавих термінологам, якраз і є багатосло- 15 …слова. Другий недолік: значну частину списку становлять дуже частотні службові слова, які для термінологів також малоінформативні. Останній недолік можна усунути, підготувавши дещо інший список — список змістових слів. Змістові слова з тексту отримують дещо складнішим способом, порівнюючи досліджуваний текст із набагато більшим за обсягом корпусом, у нашому випадку — з комп’ютерним корпусом Університету Вітовта Великого обсягом 55 мільйонів слів. Якщо певне слово в досліджуваному тексті трапляється відносно частіше, ніж у середньому у великому корпусі, то його і вважають змістовим словом цього тексту. Простіше кажучи, якщо йдеться про кіно, то це слово в тексті згадуватиметься набагато частіше, тож потрапить до списку змістових слів. Як видно з таблиці, тут службових слів значно менше, оскільки їхня частотність у тексті та корпусі приблизно однакова. Отже, на перший план виходять унікальніші слова досліджуваного тексту, а в разі наукового тексту — терміни. На жаль, у цьому списку, як і в першому, їх наведено окремо, а не у складі словосполучень. Таблиця 2. 20 найчастотніших змістових слів і словоформ № | Слово та словоформа | Частотність у досліджуваному тексті | Частотність у корпусі | Коефіцієнт змістовності 1. | SAKINIO | 288 | 707 | 2,974.8; 2. | SAKINIAI | 196 | 370 | 2,108.4; 3. | ŽODŽIŲ | 258 | 6,504 | 1,554.3; 4. | SAKINIŲ | 143 | 386 | 1,453.6; 5. | JUNGINIAI | 141 | 405 | 1,418.4; 6. | DĖMENŲ | 103 | 130 | 1,171.5; 7. | JUNGINIŲ | 103 | 591 | 909.2; 8. | DĖMUO | 77 | 124 | 847.4; 9. | SAKINYJE | 85 | 310 | 819.6; 10. | DĖMENYS | 73 | 106 | 815.0; 11. | DĖMENS | 71 | 84 | 814.2; 12. | SAKINYS | 91 | 528 | 801.4; 13. | DĖMENIU | 69 | 78 | 795.8; 14. | SINTAKSĖS | 68 | 163 | 704.7; 15. | SAKINĮ | 73 | 634 | 588.1; 16. | SAKINIUS | 61 | 315 | 550.1; 17. | TARINIO | 44 | 60 | 495.3; 18. | SAKINIAIS | 49 | 205 | 460.5; 19. | SUDĖTINIO | 42 | 75 | 455.4; 20. | TARINIU | 36 | 36 | 421.4 16 Третя можливість програмного забезпечення, заснованого на статистичних методах, — вибирати з досліджуваного тексту словосполучення, які в однаковій формі вжито в тексті два або більше разів. Програма дає змогу виявляти ланцюжки завдовжки до восьми слів. Зрозуміло, що таких довгих утворень у тексті небагато. Значно більше в ньому усталених чотирислівних, трислівних, а особливо двослівних словосполучень. У досліджуваному тексті В. Лабучі налічується 2 восьмислівні словосполучення, вжиті принаймні двічі, 6 семислівних, 23 шестислівних, 65 п’ятислівних, 211 чотирислівних, 756 трислівних і аж 2695 двослівних словосполучень. Нижче наведено словесні ланцюжки різної довжини; жирним виділено ті словосполучення, компоненти яких можна вважати складеними термінами, а поруч указано кількість їхніх уживань у тексті. ВІСІМ СЛІВ ЙОГО УТВОРЮЮТЬ НЕ МЕНШЕ НІЖ ДВА САМОСТІЙНІ СЛОВА 2 УТВОРЮЮТЬ НЕ МЕНШЕ НІЖ ДВІ ФОРМИ САМОСТІЙНИХ СЛІВ 2 СІМ СЛІВ ЙОГО УТВОРЮЮТЬ НЕ МЕНШЕ НІЖ ДВА САМОСТІЙНІ 2 НЕ МЕНШЕ НІЖ ДВІ ФОРМИ САМОСТІЙНИХ СЛІВ 2 УТВОРЮЮТЬ НЕ МЕНШЕ НІЖ ДВА САМОСТІЙНІ СЛОВА 2 УЖИВАННЯ ФОРМ СЛІВ ПОРУЧ З ІНШИМИ ФОРМАМИ СЛІВ 2 ШІСТЬ СЛІВ НЕ МЕНШЕ НІЖ ДВА САМОСТІЙНІ СЛОВА 4 ФОРМИ ДІЄСЛІВ І СЛІВ, ЩО ВИКОНУЮТЬ РОЛЬ ПРИСУДКА 3 В АКАДЕМІЧНІЙ ГРАМАТИЦІ ЛИТОВСЬКОЇ МОВИ LKG III 2 ДВІ АБО КІЛЬКА ФОРМ САМОСТІЙНИХ СЛІВ 2 ЗАСТОСУВАННЯ ФОРМ ДО ІНШИХ ФОРМ СЛІВ 2 І З ДЕЯКИМИ ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 ЧАСТИНУ РЕЧЕННЯ АБО СКЛАДОВУ ЧАСТИНУ СКЛАДНОГО РЕЧЕННЯ 2 З ІНШИМИ ВІДМІНКАМИ ТА ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 З ВІДМІНКАМИ І З ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 ФОРМА СЛОВА ЯК-НЕБУДЬ ЗАСТОСОВУЄТЬСЯ ДО 2 ЗАСТОСУВАННЯ ФОРМ СЛІВ ДО ІНШИХ СЛІВ 2 П’ЯТЬ СЛІВ МЕНШЕ НІЖ ДВА САМОСТІЙНІ СЛОВА 4 ДІЄСЛІВ ТА СЛІВ, ЩО ВИКОНУЮТЬ РОЛЬ ПРИСУДКА 4 17 ВІДМІНКАМИ ТА ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 3 ПРЕДИКАТИВНІ СТРУКТУРИ, ЩО УТВОРЮЮТЬ СКЛАДНЕ РЕЧЕННЯ 3 АБО КІЛЬКА ФОРМ САМОСТІЙНИХ СЛІВ 2 ОКРЕМЕ ПОВІДОМЛЕННЯ ПРО СИТУАЦІЮ ДІЙСНОСТІ 2 ЧАСТИНУ АБО СКЛАДНИЙ ЧЛЕН РЕЧЕННЯ 2 ВИСТУПАЄ ЗАЛЕЖНИМ КОМПОНЕНТОМ ІМЕННИКОВОГО СЛОВОСПОЛУЧЕННЯ 2 ЗАСТОСУВАННЯ ФОРМ ДО ІНШИХ СЛІВ 2 МОЖЕ ВХОДИТИ ДО СКЛАДНОГО РЕЧЕННЯ 2 І МІЖ ПРЕДИКАТИВНИМИ СТРУКТУРАМИ СКЛАДНОГО РЕЧЕННЯ 2 І ФОРМ СЛІВ, ЩО ВИКОНУЮТЬ РОЛЬ ПІДМЕТА 2 ЯК ФОРМИ ДВОХ САМОСТІЙНИХ СЛІВ 2 ІНШИМИ ВІДМІНКАМИ ТА ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 ВІДМІНКА АБО ВІДМІНКА З ПРИЙМЕННИКОМ 2 ЗВ’ЯЗОК ІЗ ГРАМАТИЧНОЮ КАТЕГОРІЄЮ ОСОБИ 2 СИНТАКСИЧНІ ВІДНОШЕННЯ ТА СЛОВОСПОЛУЧЕННЯ 2 КЛАСИФІКАЦІЯ НЕОДНОРАЗОВО КРИТИКУВАЛАСЯ 2 З ПІДРЯДНИМ РЕЧЕННЯМ ДРУГОГО СТУПЕНЯ 2 З ЯКИМИ ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 З ІНШИМИ ВІДМІНКАМИ ТА ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 2 З ДАВАЛЬНИМ І ОРУДНИМ ВІДМІНКАМИ 2 З ПІДРЯДНОЮ ЧАСТИНОЮ ВСЬОГО РЕЧЕННЯ 2 ЦЕ НАЙЧАСТІШЕ ДІЄСЛІВНІ СПОЛУЧЕННЯ З 2 ЗАСТОСУВАННЯ ДО ІНШИХ ФОРМ СЛІВ 2 ПІДРЯДНІ РЕЧЕННЯ ТОГО САМОГО СТУПЕНЯ 2 МАЮТЬ СПІЛЬНИЙ ДРУГОРЯДНИЙ ЧЛЕН РЕЧЕННЯ 2 РОЛЬ ЩОДО ВСЬОГО СКЛАДНОПІДРЯДНОГО РЕЧЕННЯ 2 ФОРМА СЛОВА ЗАСТОСОВУЄТЬСЯ ЯК БУДЬ-ЯК 2 ЗАСТОСУВАННЯ ФОРМ СЛІВ ДО ІНШИХ 2 СЛОВОСПОЛУЧЕННЯ ЧИ ІНША КОНСТРУКЦІЯ 2 ЧОТИРИ СЛОВА ІЗ ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 5 ІЗ СЛІВ, ЩО ВИКОНУЮТЬ РОЛЬ ПРИСУДКА 4 ОСНОВНИЙ КОМПОНЕНТ ЯКИХ Є 4 МЕНШЕ НІЖ ДВОХ ПОВНОЗНАЧНИХ 4 НЕ МЕНШЕ НІЖ ДВОХ 4 СЛОВОФОРМА, ЩО ВИКОНУЄ РОЛЬ ПІДМЕТА 4 СЛІВ, ЩО ВИКОНУЮТЬ РОЛЬ ПІДМЕТА Й ПРИСУДКА 4 ФОРМИ ДВОХ ПОВНОЗНАЧНИХ СЛІВ 3 СПОЛУЧНИКИ СУРЯДНОСТІ ТА ПІДРЯДНОСТІ 3 ВІДМІНКОВИМИ ФОРМАМИ ТА З ПРИЙМЕННИКОВИМИ 3 СЛОВА, ЩО ВИКОНУЄ РОЛЬ ОСНОВНОГО КОМПОНЕНТА 3 ПРЕДИКАТИВНІ СТРУКТУРИ, ЩО УТВОРЮЮТЬ РЕЧЕННЯ 3 З ГРАМАТИЧНОЮ КАТЕГОРІЄЮ ОСОБИ 3 СПОСІБ ВИРАЖЕННЯ СЛОВЕСНИХ ВІДНОШЕНЬ 3 ПІДРЯДНИМ РЕЧЕННЯМ ДРУГОГО СТУПЕНЯ 2 ПРО ЦІ ПОНЯТТЯ ДИВ. 2 18 ПРО ЦЕ ПІД ЧАС ПРАКТИЧНИХ ЗАНЯТЬ 2 ЧИ КОМПОНЕНТ СКЛАДНОГО РЕЧЕННЯ 2 РОЗКРИВАЄ ІНШИЙ ПРЕДИКАТИВНИЙ КОМПОНЕНТ 2 СПІЛЬНИЙ ДРУГОРЯДНИЙ ЧЛЕН РЕЧЕННЯ 2 ЯКОСТІ ТА КІЛЬКОСТІ СПОСОБУ ДІЇ 2 ПРИКМЕТНИК УТВОРЮЄ СПОЛУЧЕННЯ З 2 ЗАЛЕЖНИМ КОМПОНЕНТОМ ІМЕННИКОВОГО СПОЛУЧЕННЯ 2 TRYS ŽODŽIAI МОЖЕ БУТИ 14 З ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 11 БІЛЬШ-МЕНШ 10 СИНТАКСИС ЛИТОВСЬКОЇ МОВИ 9 РЕЧЕННЯ МОЖУТЬ БУТИ 9 ДІЄСЛІВНІ СПОЛУКИ З 8 СКЛАДНИКИ МОЖУТЬ БУТИ 7 ГОЛОВНИЙ СКЛАДНИК ЯКИХ 7 ІМЕННИКОВІ СПОЛУКИ З 6 НЕ МЕНШЕ НІЖ 6 ПРИЄДНАННЯ ТА СУРЯДНІСТЬ 6 РЕЧЕНЬ МОЖЕ БУТИ 6 ФОРМИ САМОСТІЙНИХ СЛІВ 6 ДІЄСЛОВОМ І ПРИСУДКОМ 6 ДВОХ САМОСТІЙНИХ СЛІВ 5 ДВОСТОРОННІМ ЗВ’ЯЗКОМ 5 ДВА СЛОВА МОЖЕ БУТИ 118 І Т. ІН. 41 ЛИТОВСЬКОЇ МОВИ 36 СЛОВОФОРМ 35 ТАКОЖ 34 СКЛАДНОГО РЕЧЕННЯ 32 ЧАСТИН РЕЧЕННЯ 31 СЛОВОФОРМ 31 НЕ ЛИШЕ 29 СЛОВОСПОЛУЧЕНЬ 26 СПОЛУЧЕННЯ З 25 ПРЕДИКАТИВНИХ КОМПОНЕНТІВ 24 МОЖЕ МАТИ 23 ПОПРИ ЦЕ 23 ОСНОВНИХ СКЛАДНИКІВ 21 ПРЕДИКАТИВНИЙ ЦЕНТР 20 ПРЕДИКАТИВНІ СКЛАДНИКИ 20 НІБИ 18 СКЛАДНІ РЕЧЕННЯ 18 19 МОЖУТЬ УТВОРЮВАТИ 17 ОСНОВНИЙ СКЛАДНИК 17 ПРИЙМЕННИКОВИМИ КОНСТРУКЦІЯМИ 17 З РОДОВИМ ВІДМІНКОМ 17 ЯК І 16 МОВНІ СИСТЕМИ 16 ЗАЛЕЖНОГО СКЛАДНИКА 16 СКЛАДНИХ РЕЧЕНЬ 16 КРІМ ТОГО 15 І ЗГІДНО З 15 СЛОВОСПОЛУЧЕННЯ 15 Як видно з наведених прикладів, довші словосполучення більше нагадують вислови чи фрази, коротші — синтаксичні словосполучення. Вони неоднорідні і за ступенем усталеності, що виявляється з кількості вживань: наприклад, деякі двослівні сполучення навіть у такому нетривалому тексті вжито 118 разів. Крім того, деякі ланцюжки слів повністю збігаються зі складеними термінами, наприклад: підрядне речення другого ступеня, відношення двостороннього зв’язку, система мови, а з інших ці терміни потрібно виокремлювати, наприклад: виявляє інший предикативний компонент, форма слова якось застосовується до слова, що виступає головним компонентом тощо. Хоч їх і потрібно скорочувати, вони по-своєму інформативні, адже предикативні слова (у прикладах їх виділено розрідженим шрифтом), які належать не до самого терміна, а до його оточення, надають важливу інформацію про сполучуваність і особливості вживання. Останній перелік, як і попередні, не лематизований, тому той самий багатослівний термін повторюється щоразу в іншій граматичній формі. Крім того, він повторюється і в ланцюжках слів різної довжини — від найдовшого до найкоротшого: складаються щонайменше з двох самостійних словоформ, щонайменше з двох самостійних словоформ, самостійних словоформ, словоформ. Як би там не було, часті повторення не заважають, а допомагають помітити найважливіші, найуживаніші складені терміни. Навіть якщо за допомогою згаданих напівавтоматичних програмних засобів виокремлюються не всі терміни досліджуваного тексту, вони все ж дають змогу помітити найважливіші, а те, що списки, складені комп’ютером, читає й опрацьовує термінограф, гарантує якість кінцевого результату. 20 Висновок Сучасна термінологія, що прагне зібрати, описати й унормувати терміни різних галузей науки, не може обійтися без комп’ютерного текстового корпусу та пов’язаних із ним інших етапів укладання комп’ютерного термінологічного банку: програмного забезпечення загального призначення або спеціалізованого, лексичної бази даних тощо. Корпус має бути підготовлений так, щоб охоплювати якомога ширше розмаїття текстів і в такий спосіб репрезентувати мову галузі науки, що описується. Використовуючи навіть програмне забезпечення загального призначення, призначене для лексикографів, можна автоматично отримати списки слів і словосполучень — кандидатів у терміни, з яких добирають відомі й нові терміни. Отримано 1999 06 21 Literatūra 1. A h m a d 1994 – Ahmad, K., Davies, A., Fulford, H., Rogers, M. What is a term? The semi-automatic extraction of terms from text. In: M. Snell-Hornby, F. Pochacker, K. Kaindl (eds.). Translation Studies: An Interdiscipline. Amsterdam – Philadelphia, 1994, P. 267–278. 2. A h m a d 1993 – Ahmad, K. Pragmatics of Specialist Terms: The Acquisition and Representation of Terminology. In: Petra Steffens (ed.). Machine Translation and the Lexicon. Thirds International EAMT Workshop. Heidelberg, Germany, April 26–28. 1993. Proceedings. Berlin – Heidelberg, 1995, P. 51–76. 3. B o u r i g a u l t 1996 – Bourigault, D., Gonzalez-Mullier, I., Gros, C. LEXTER, a Natural Language Processing Tool for Terminology Extraction. In: Euralex ’96 Proceedings II, Goteborg, 1996, P. 771 – 780. 4. L a u r i s t o n 1994 – Lauriston, A. Automatic Recognition of Complex terms: Problems and the TERMINO solution. In: Terminology. Vol 1(1), 1994, P. 147–170. 5. M e y e r 1996 – Meyer, I., Mackintosh, K. The Corpus from a Terminographer’s Viewpoint. In: International Journal of Corpus Linguistics. Vol. 1(2), 1996, P. 257–285. 6. P e a r s o n 1998 – Pearson, J. Terms in Context. Amsterdam – Philadelphia, 1998. 7. R o g e r s 1994 – Rogers, M., Ahmad, K. Computerised Terminology for Translators: the role of text. In: M. Brekke, O. Andersen, T. Dahl, J. Myking. Applications and Implications of Current LSP Research. Proceedings of the 9th European Symposium on LSP, Bergen, Aug. 2–6, 1993. Vol. II. Bergen, 1994. P. 840–851. 21 8. Sager 1990 – Sager, J.C. A Practical Course in Terminology Processing. Amsterdam – Philadelphia, 1990. TERMINOGRAPHY AND CORPUS Summary The paper deals with role of a corpus in terminology in general and terminology in particular. It argues for the necessity to use not only corpus but also general purpose and specific tools for the extraction of terminology and compilation of terminological databases. Peculiarities of the terminographer’s corpus such as its contents, size and specificity are also discussed. In addition, a wide range of possible general purpose and specific tools for term extraction are presented here. Some of them, based on statistical analyses of a text, were applied for one Lithuanian text on syntax in order to show how different tools can produce different semi-automatic lists of terms. 22